تشخیص گرمای بیش از حد در سیستم‌های قدرت با استفاده از مواد ترموکرومیک و پردازش تصویر
محورهای موضوعی : انرژی های تجدیدپذیر
1 - کارشناس ارشد – گروه برق و مکاترونیک، دانشکده فنی مهندسی، واحد سمنان، دانشگاه آزاد اسلامی، سمنان، ایران
2 - استادیار – باشگاه پژوهشگران جوان و نخبگان، واحد سمنان، دانشگاه آزاد اسلامی، سمنان، ایران
کلید واژه:
چکیده مقاله :
با توجه به اینکه تشخیص نقص در تجهیزات الکتریکی باعث جلوگیری از بروز حادثه، خسارت و تلفات میشود، ضرورت ایجاب می‌کند تا کارهای موثر در تشخیص دادن نقص انجام شود تا بتوانیم خطا را پیش‌بینی و پیش‌گیری نماییم. در حال حاضر در سیستم‌های قدرت نقص‌های حرارتی توسط ابزار ترموگرافی شناسایی میشود که دارای محدودیت‌هایی از قبیل نیاز داشتن به تجهیزات گران قیمت ترموگرافی می‌باشد. در این مقاله، یک روش جدید برای شناسایی نقص در تجهیزات برقی ارائه میشود. در این روش استفاده از مواد ترموکرومیک در سیستم‌های قدرت پیشنهاد شده است. ترموکرومیک‌ها نوعی از مواد هوشمند می‌باشند که به صورت برگشت پذیر رنگشان با دما تغییر می‌کنند. با توجه به اینکه اغلب نقص‌ها در تجهیزات باعث تولید حرارت می‌شوند، در صورتی که مواد ترموکرومیک روی تجهیزات پوشش داده شوند، با افزایش دما در محل نقص، تغییر رنگ حاصل میشود. در این مقاله، تجهیزات الکتریکی با مواد ترموکرومیک پوشش داده شدند. سپس با معرفی ویژگی‌های نوین مربوط به هیستوگرام در مرحله اول و همچنین DRLBP و شبکه عصبی در مرحله دوم به دو دسته دارای نقص و بدون نقص طبقه‌بندی شدند. نتایج نشان داد که در روش پیشنهادی با افزایش دما در محل دارای نقص تغییر رنگ مشهود حاصل میشود و شناسایی نقص به سادگی و با دقت بالایی قابل تشخیص است.
According to the diagnosis of defects in electrical equipment to prevent accidents, damage and losses, it is necessary to work effectively in identifying defects so that we can predict and prevent errors. Nowadays, thermal defects detect in power systems by thermography. However, there is limitation such as the need to have expensive thermography equipment. In this paper, a new method for detecting defects in the electrical equipment is presented. In this method, the use of thermochromic materials has been suggested in power systems for the first time. Thermochromic is a kind of smart materials, which is returnable with temperature change. Since most of the defects in the equipment produce heat, if the equipment covers with thermochromic material, the color change is obtained with temperature rising. In this paper, the equipment was covered with thermochromic materials. Then, with introducing the novel feature regarding the histogram in the first level and DRLBP in the second level, the equipment was classified into two categories, with defect and without defect, by a neural network. The results showed that with increasing temperature, color changed in the location of defects and defect identification recognized easily and with high accuracy.